Prometheus的四大指标类型

Prometheus有4大指标类型（Metrics Type），分别是Counter（计数器）、Gauge（仪表盘）、Histogram（直方图）和Summary（摘要）。

这是在Prometheus客户端（目前主要有Go、Java、Python、Ruby等语言版本）中提供的4种核心指标类型，但是Prometheus的服务端并不区分指标类型，而是简单地把这些指标统一视为无类型的时间序列。

注意：

上面这句话应该这么理解，四个指标类型，实际上就是客户端采集数据的四个维度，采集这四个维度的指标数据，但是最终汇总到服务端那里，则是对这四个维度无感的，只是简单的作为时间序列存储起来。

Counter

?计数器表示一种单调递增的指标，除非发生重置的情况下下只增不减，其样本值应该是不断增大的。例如，可以使用Counter类型的指标来表示服务的请求数、已完成的任务数、错误发生的次数等。

?但是，计数器计算的总数对用户来说大多没有什么用，大家千万不要将计数器类型应用于样本数据非单调递增的指标上，比如当前运行的进程数量、当前登录的用户数量等应该使用仪表盘类型。

为了能够更直观地表示样本数据的变化情况，往往需要计算样本的增长速率，这时候通常使用PromQL的rate、topk、increase和irate等函数，如下所示：

sum without(device)(rate(http_requests_total[5m]))

补充

PromQL要先执行rate()再执行sum()，不能执行完sum()再执行rate()。

?这背后与rate()的实现方式有关，rate()在设计上假定对应的指标是一个计数器，也就是只有incr（增加）和reset（归零）两种行为。而执行了sum()或其他聚合操作之后，得到的就不再是一个计数器了。举个例子，比如sum()的计算对象中有一个归零了，那整体的和会下降，而不是归零，这会影响rate()中判断reset（归零）的逻辑，从而导致错误的结果。

increase函数

?increase（v range-vector）函数传递的参数是一个区间向量，increase函数获取区间向量中的第一个和最后一个样本并返回其增长量。下面的例子可以查询Counter类型指标的增长速率，可以获取http_requests_total在最近5分钟内的平均样本，其中300代表300秒。

irate(http_requests_total[5m])

?irate函数相比于rate函数提供了更高的灵敏度，不过分析长期趋势时或者在告警规则中，irate的这种灵敏度反而容易造成干扰。因此，在长期趋势分析或者告警中更推荐使用rate函数。

Gauge

?仪表盘类型代表一种样本数据可以任意变化的指标，即可增可减。它可以理解为状态的快照，Gauge通常用于表示温度或者内存使用率这种指标数据，也可以表示能随时增加或减少的“总数”，例如当前并发请求的数量node_memory_MemFree（主机当前空闲的内容大小）、node_memory_MemAvailable（可用内存大小）等。在使用Gauge时，用户往往希望使用它们求和、取平均值、最小值、最大值等。

?以Prometheus经典的Node Exporter的指标node_filesystem_size_bytes为例，它可以报告从node_filesystem_size_bytes采集来的文件系统大小，包含device、fstype和mountpoint等标签。如果想要对每一台机器上的总文件系统大小求和（sum），可以使用如下PromQL语句。

max without(device, fstype, mountpoint)(node_filesystem_size_bytes)

  image.png

?除了求和、求最大值等，利用Gauge的函数求最小值和平均值等原理是类似的。除了基本的操作外，Gauge经常结合PromQL的predict_linear和delta函数使用。

?predict_linear（v range-vector，t scalar）函数可以预测时间序列v在t秒后的值，就是使用线性回归的方式，预测样本数据的Gauge变化趋势。例如，基于2小时的样本数据，预测未来24小时内磁盘是否会满，如下所示：

delta(node_filesystem_free_bytes{}[2h])

  image.png

Histogram

Histogram是一个对数据分布情况的图形表示，由一系列高度不等的长条图（bar）或线段表示，用于展示单个测度得知的分布。

• 它一般用横轴表示某个指标维度的数据取值区间,用纵轴表示样本统计的频率或频数,从而能够以二维图的形式展现数值的分布状况

• 为了构建Histogram,首先需要将值的范围进行分段,即将所有值的整个可用范围分成一系列连续、相邻(相邻处可以是等同值)但不重叠的间隔,而后统计每个间隔中有多少值。

• 从统计学的角度看,分位数不能被聚合,也不能进行算术运算;

[图片上传失败...(image-3e55f2-1622153155462)]

---

上边界、样本值总和、样本总数

例子

sum without(instance)(rate(prometheus_tsdb_compaction_duration_sum[1d])) 

/ 

sum without(instance)(rate(prometheus_tsdb_compaction_duration_count[1d]))

?除了Prometheus内置的压缩时间，prometheus_local_storage_series_chunks_persisted表示Prometheus中每个时序需要存储的chunk数量，也可以用于计算待持久化的数据的分位数。

?Histogram可以用于观察样本数据的分布情况。Histogram的分位数计算需要通过histogram_quantile（φfloat，b instant-vector）函数进行计算，但是histogram_quantile计算所得并非精确值。其中，φ（0<φ<1）表示需要计算的分位数（这个值主要是通过prometheus_http_request_duration_seconds_bucket和prometheus_http_request_duration_seconds_sum两个指标得到的，是一个近似值）。

例子如下。

# HELP go_gc_duration_seconds A summary of the GC invocation durations.

# TYPE go_gc_duration_seconds summary

go_gc_duration_seconds{quantile="0"} 1.1666e-05

go_gc_duration_seconds{quantile="0.25"} 2.6265e-05

go_gc_duration_seconds{quantile="0.5"} 4.8366e-05

go_gc_duration_seconds{quantile="0.75"} 7.8298e-05

go_gc_duration_seconds{quantile="1"} 0.000280123

go_gc_duration_seconds_sum 0.193642882

go_gc_duration_seconds_count 1907

?在上述例子中，可以看到基于Go语言编写的Prometheus的gc总次数是1907，耗时0.193642882s，其中中位数（quantile=0.5）计算的耗时为4.8366e-05s，代表1907次中50%的次数是小于4.8366e-05s的。

Summary类型的样本也会提供3种指标，假设指标名称为。

• 样本值的分位数分布情况，命名为{quantile="<φ>"}，属于计数器类型。

• 所有样本值的大小总和，命名为

• 样本总数，命名为_count，属于计数器类型。

Summary和Histogram的异同

• 它们都包含了_sum和_count指标。

• Histogram需要通过

• 如果需要汇总或者了解要观察的值的范围和分布，建议使用Histogram；如果并不在乎要观察的值的范围和分布，仅需要精确的quantile值，那么建议使用Summary。

Summary的强大之处就是可以利用除法去计算时间的平均值。如果要从Histogram和Summary中计算最近5分钟内的平均请求持续时间http_request_duration_seconds，可以用如下表达式进行。

sum without(handler)(rate(http_response_size_bytes_sum[5m])) 

/ 

sum without(handler)(rate(http_response_size_bytes_count[5m]))

关于这个例子，我们需要注意几点。

·因为http_response_size_bytes_count和http_response_size_bytes_sum是计数器类型，所以必须在计算前先使用rate等函数。

·因为Prometheus的API会有很多handler，所以可以使用without过滤掉handler的返回值。

·PromQL要先执行rate()再执行sum()，不能先执行sum()再执行rate()。

·在统计学上，尤其是计算平均值时，要先进行sum等求和运算再做除法。对一个平均值再求平均是不正确的，如下所示。

// 合法

sum without(instance)(

    sum without(handler)(rate(http_response_size_bytes_sum[5m]))

  )

/

sum without(instance)(

    sum without(handler)(rate(http_response_size_bytes_count[5m]))

  )

// 非法

avg without(instance)(

    sum without(handler)(rate(http_response_size_bytes_sum[5m]))

  /

    sum without(handler)(rate(http_response_size_bytes_count[5m]))

)

// 非法

avg(http_request_duration_seconds{quantile="0.95"})

count的例子

案例一：计算所有的实例CPU核心数。

count by (instance) ( count by (instance,cpu) (node_cpu_seconds_total{mode=

"system"}) )

案例二：计算单个实例192.168.1.1的CPU核心数。

count by (instance) ( count by (instance,cpu) (node_cpu_seconds_total{mode="system",

instance="192.168.1.1"})

      

作者：乙腾
链接：https://www.jianshu.com/p/a3b74ad9b7be
来源：简书
著作权归作者所有。商业转载请联系作者获得授权，非商业转载请注明出处。